数据驱动与渗流机理融合的底水油藏水平井生产动态预测方法

来源：石油科学通报杂志2025年第5期北京时间：

作者：金青爽, 薛永超, 张颖, 刘晓旗, 李权, 郑爱乐

单位：1 中国石油大学(北京)油气资源与工程全国重点实验室，北京 1022492 中国石油大学(北京)石油工程学院，北京 1022493 中海石油(中国)有限公司天津分公司，天津 301800

摘要：底水砂岩油藏水平井生产动态受储层属性、生产制度等多因素影响，预测难度大。传统经验公式和数值模拟等方法存在诸多局限性。近年来，伴随油田智能化进程，机器学习方法逐渐广泛应用于油田生产过程。相对于传统方法，该方法兼具全面性与高效性，但缺乏物理可解释性和鲁棒性，限制了其在实际工程中的可信度与适用性。为解决该问题，首先，本文以渤海油田某区块为例，建立考虑渗透率时变的底水砂岩油藏水平井渗流机理模型。其次，本文对传统LSTM神经网络结构进行了改进，构建了一个支持动静态数据多层输入的神经网络框架，提升了模型对不同地质状况的适应性，且该框架的动静态参数权重可调整。最后，本文用渗流机理模型生成机理模型数据集，并采用数据集融合方式建立了数据驱动与渗流物理机理融合的水平井生产动态预测模型，数据—物理融合机制提升了该模型的可解释性和鲁棒性。测试结果表明：动静态参数多层输入神经网络框架相对于传统LSTM神经网络预测精度小幅提升；数据驱动与渗流机理融合模型相比于动静态参数多层输入神经网络框架预测精度显著提升。现场应用效果也验证了该融合模型在水平井生产动态预测中的高效性和实用性，为油田开发方案优化和生产制度制定提供了有力支撑。

关键词：水平井生产动态预测,长短期记忆神经网络,动静结合,物理机理,融合模型

基金资助：中国海洋石油集团有限公司”十四五”重大科技项目(KJGG-2022-15-0303)